daVinci-MagiHuman

daVinci-MagiHuman 是一个快速的音视频生成基础模型，采用单一流架构。项目核心功能包括通过仅使用自注意力机制处理文本、视频和音频的15B参数40层Transformer，提供高质量的人脸表情、自然语音-表情协调、逼真身体动作及精准音视频同步。支持多种语言如中文（普通话和粤语）、英语、日语等，并能在单个H100 GPU上实现极快的推理速度。该模型在人机对比测试中表现出色，胜率高达80%。适用于需要高效生成高质量多模态内容的场景，例如虚拟人物创建、视频合成等。代码完全开源，包含基础模型、蒸馏模型、超分辨率模型及推理代码。